利用遥感建模方法改进对农艺作物的生长系数和水分需求的估算

《Irrigation Science》：Improved estimation of crop coefficients and water requirements for agronomic crops using a remote sensing modeling approach

农业水资源需求估算准确性提升研究|作物系数校正方法|NDVI卫星数据|两源能量平衡模型|ETc估算优化

　　

摘要

随着可耕地水资源短缺问题的加剧，准确估算区域农业用水需求变得越来越重要。在无法直接测量实际用水量的情况下，农学家和土地管理者通常依赖作物需水量估算来量化用水需求，从而指导灌溉计划并管理水资源分配。一种广泛使用的计算作物需水量的方法是根据卫星获取的NDVI数据来确定作物系数（K_c），其表达形式为 K_c = K_{c max} × f(NDVI)。将该系数与参考蒸散量（ET_o）相乘，即可得到标准条件下的作物蒸散量（ET_c）。在缺乏本地测量数据的情况下，可以使用FAO-56气候调整后的中期系数（K_{c mid}），但由于不同地点的冠层、土壤和管理方式存在差异，这些系数往往与实际情况不符。为了解决这一问题，本研究提出了一种 K_c 校正方法，该方法将卫星NDVI数据与双源能量平衡模型（TSEB-SM）相结合，以计算出校正后的 K^*_c?TSEB?SM。通过使用来自北美、欧洲和中国的十个农田站点（包含10种作物类型）的实地数据，在 K_c-ET_o 框架内对校正后的系数进行了测试。结果表明，与FAO-56气候调整后的 K_{c mid} 相比，K^*_c?TSEB?SM 方法显著提高了ET_c 估算的准确性：均方根误差（RMSE）降低了约40%（从1.43毫米/天降至0.83毫米/天），偏差降低了约80%（从0.92毫米/天降至0.04毫米/天），Nash–Sutcliffe效率（NSE）从0.18提升至0.72。这种基于遥感模型的 K_c 校正方法改进了作物系数和作物需水量的估算，为包括农田、流域以及依赖地下水的农业区域在内的各种空间尺度上的水资源高效管理提供了可能。